Кулик Елементы теории принятия решений 2010
.pdfПример 0.Б (вероятныегипотезы) [2] Радиоперехват сигнала с торпедоносца показал, что произошло
событие A={торпедирован корабль}, но неизвестно какой. Выясняется тип корабля, подвергнувшегося торпедной атаке торпедоносца противника. Выдвинуты (попарно несовместные и образующиеполнуюгруппу событий) четырегипотезы:
H1={подводнаялодка}, H3={тральщик}, H2={авианосец}, H4={пассажирскийлайнер}.
Согласно данным разведки, для данного района и времени бое-
выхдействий P(H1)=0.15; P( H2)=0.25; P( H3)=0.2; P(H4)=0.4.
Согласно военной статистике, условные вероятности события
A при гипотезах H1, H2, H3, H4 равны: P(A|H1)=1/4, P(A|H2)=7/12, P( A|H3)=7/10, P( A|H4)=1.
Найти апостериорные вероятности гипотез. Какова вероятность того, что торпедирована именно подводная лодка (т.е. чему равна вероятность P( H1|A))? Какая гипотеза наиболее вероятна послеизвестия о событии A? ▄
На практике подобные задачи на определение условной вероятности P( H1|A) или на выбор (поиск) наиболее вероятной гипотезы Hk могут быть выполнены (как и в предыдущем примере) с помо-
щьюформулы Байеса (см. [4] идр.).
Пример 0.В (см. и ср. [15,с . 100]) (статистическиегипотезы) Владелец автозаправки был замечен в недоливе водителям дорогих марок бензина. В ёмкости (например, канистре) должно находиться 50 литров бензина. Были проверены 100 ёмкостей у случайных водителей (заказавших по 50литров дорогих марок бензина), и было обнаружено, что в среднем в ёмкости водителя
находится 49.8 литровбензина.
Предполагая, что стандартное отклонение (с.к.о. ) для емкости в 50литров есть 0.5 литра, определить, является ли выявленное отклонение значимым, т.е. противоречит ли полученный результат гипотезе H0 при уровне значимости α=0.05, что в среднем вуказанную ёмкость разливается 50 литровбензина ▄
На практике |
проверка статистической гипотезы H0 вы - |
полняетсяодним |
из известных методов (см. [3, 16] и др.) проверки |
статистическихгипотез.
11
Пример 0.Г (детерминированныегипотезы) [18, с. 202-203] Используя критерий Вальда, принять решение (выбрать страте-
гию) в случае следующей платёжной матрицы |aij| (матрицы выигрышей ЛПР):
Матрицавыигрышей 4 ×3
Варианты |
Предположения |
|
|||
решенийдля ЛПР |
|
(ситуацияП j) |
|
||
(стратегияA i) |
П1 |
|
П2 |
|
П3 |
A1 |
20 |
|
30 |
|
15 |
A2 |
75 |
|
20 |
|
35 |
A3 |
25 |
|
80 |
|
25 |
A4 |
85 |
|
5 |
|
45 |
Высказанаследующая гипотеза:
H(0)={оптимальная стратегияесть A2}.
Требуется проверить гипотезу H(0), т .е. установить, имеет ли место эта гипотеза или нет (или иначе —справедлива гипотеза H(0) или нет) ▄
Пример0.Д(см. иср. [17, с.38]) (детерминированныегипотезы) Ищется наименьшее значение функции f (x, y) в области её оп-
ределения( x>0, y>0):
|
1 |
|
3 4 |
|
3 |
|
1 |
|
1 |
|
1 |
|
|
4 |
f(x,y)= x + |
x |
+ y |
|
x |
|
+ |
|
+ |
|
+ |
|
|
. |
|
|
|
|
2y2 3 x |
3y3 4 |
|
|||||||||
|
|
|
|
|
|
y x |
|
|
x |
|
Высказанаследующая гипотеза:
H0={минимум f(x,y) есть 2946−4 }.
Требуется проверить гипотезу H0, т.е. установить , имеет ли место эта гипотеза или нет (или иначе — справедлива гипотеза H0 или нет) ▄
На практике проверка детерминированной гипотезы H0 выполняется путём поиска минимума функции, применяя, например, метод геометрического программирования( см. [17] и др.) и сравнения найденного истинного минимума с тем, что указан в гипотезе H0.
12
Списокспользуемой литературы (источники)
1.Хелстром К. Квантовая теория проверки гипотез и оценивания.—М.: Мир, 1979.—344с.
2.Кулик С.Д. Теория принятия решений (элементы теории проверки вероятных гипотез): учебное пособие.—М .:МИФИ , 2007.—152с.
3.Левин Б.Р. Теоретические основы статистической радиотехники.—Кн .2.—М.: Советское радио.—1968.—504 с.
4.Вентцель Е. С., Овчаров Л. А. Теория вероятностей и её инженерные приложе-
ния.–М.:Наука , 1988.—с480 .
5.Вероятность и математическая статистика: Энциклопедия.—М.: Большая Российская Энциклопедия, 1999.—910с.
6.Абчук В.А. Теория риска в морской практике.–Л.: Судостроение, 1983.–с152 .
7.Яковлев В.П., Кондрашин М.П. Элементы квантовой информатики.—М.:
МИФИ, 2004.—80с.
8.Кулик С.Д. Схемотехнические решения для реализации квантового компьютера //Научная сессия МИФИ-2006. Сборник научных трудов в 16т . Т.12: Информатика и процессыуправления . Компьютерные системы и технологии . —М.:
МИФИ, 2006.—С.52—53.
9.Квантовый компьютер и квантовые вычисления.—Т 2.—Ижевск: Ред. жу. рн Регулярная и хаотическая динамика, 1999.—с287 .
10.Нильсен М., Чанг И. Квантовые вычисления и квантовая информация.—М.:
Мир, 2006.—824с.
11. Кулик С.Д., Берков |
А.В., |
Яковлев В.П. Введение |
в |
теорию квантовых |
|||
вычислений |
(методы |
квантовой |
механики в кибернетике ): |
учебное посо- |
|||
бие.—В 2-х кн.— Кн. 1. |
—М.: МИФИ, 2008.—с212. |
|
|
|
|||
12. Кулик С.Д., Берков |
А.В., |
Яковлев В.П. Введение |
в |
теорию квантовых |
|||
вычислений |
(методы |
квантовой |
механики в кибернетике ): |
учебное посо- |
|||
бие.—В 2-х кн. —Кн. 2. |
— М.: МИФИ, 2008.—532 с. |
|
|
|
13.Кулик С.Д. Квантовая программа, квантовая база данных и квантовый компьютер //Научная сессия МИФИ-2007. Сборник научных трудов в 17т . Т.12: Информатика и процессы управления. Компьютерные системы и технологии.—М.:
МИФИ, 2007.—С.101-103.
14.Кулик С.Д. Подход к обучению теории вероятности в рамках исследований
квантовых вычислений //Научная сессия МИФИ-2009. XIIIвыставка -конференция “Телекоммуникации и новые информационные технологии в образовании”. Сборник научных трудов. —М.: МИФИ, 2009. — С.58-59.
15. Шведов А.С. Теория вероятностей и математическая статистика: Учебное пособие для вузов.—М.: Изд. дом ГУ ВШЭ, 2005.—254с.
16.Гмурман В.Е. Руководство к решению задач по теории вероятностей и математической статистике.—М.: Высш. школа, 1979.—400с.
17.Бекишев Г.А., Кратко М. И. Элементарное введение в геометрическое про- граммирование.—М .:Наука , 1980.—144с.
18.Вентцель Е.С. Исследование операций: задачи, принципы, методология.—М.: Высшая школа, 2001.—208с.
13
«И тайнучтоб узнать, догадки надомного»
А.С. Грибоедов [43, с.88]
ЗАДАЧИВЫБОРА РЕШЕНИЙ
Гл а в а 1
ЗАДАЧИВЫБОРА РЕШЕНИЙ
______________________________________________________
Содержание
Информационные ситуации: детерминированная, статистически определённая, статистически неопределённая( игровая). Критерии принятия решений в различных информационных ситуациях. Однокритериальные и многокритериальные задачи принятия решений. Сведение многокритериальных задач к скалярным задачам. Парето-оптимальность. Элементытеории игр. Примерырешённыхзадач.
1.1. Общиеположения
На практикезадачи принятия решений (ЗПР) можно классифицировать потрём признакам:
1) по числу целей и соответствующих им критериев оптимальности (ЗПР делят на одноцелевые или однокритериальные (т.е. скалярные) и многоцелевые или многокритериальные (т.е.
векторные));
2)по наличию или отсутствию зависимости критерия оптимальности и ограничений от времени (ЗПРделят настатические (т.е. не зависящие от времени) и динамические( т.е. зависящие от време-
ни));
3)по наличию СЛУЧАЙНЫХ и НЕОПРЕДЕЛЁННЫХ факторов ЗПРделят на три больших группы (класса):
•принятие решения в условиях определённости, или детерминированные ЗПР (есть однозначная детерминированная связью между принятым решением лицом, принимающимрешение (ЛПР) и егорезультатом);
•принятие решений при риске, или стохастические ЗПР (каждое принятое решение может привести к одному из множества возможных исходов (каждый исход имеет вероятность появления; предполагается, что эти вероятности заранееизвестны ЛПР));
•принятие решений в условиях НЕопределённости (каждое
15
принятое решение ЛПР может привести к одному из множества возможных исходов, вероятности появления которыхдля ЛПР неизвестны).
На практике учёт случайных факторов, заданных распределениемвыполняют двумя способами:
1)замена случайных параметров их математическими ожидания-
ми (т.е. сведением стохастической задачи к детерминированной) [2,с.32-33, 38];
2)"взвешиванием" показателя качества по вероятности (этот прием иногданазывают "оптимизацияв среднем" [2, с.31-37]).
Информационныеситуации ,неопределённость и выбор критерия
На практике приходится принимать решение при наличии неопределённости. Эта неопределённость возникает достаточно часто, ис нейприходится считаться.
Орган принятия решения (ОПР) обычно вынужден действовать в условиях неопределённости (ОПР обладает меньшим количеством информации для принятия решения, чем это необходимо для целесообразной организации егодействий) [1,с.8].
Первая причина неопределённости [5, с.26] — это неполнота,
недостаточность наших знаний об окружающем мире (т.е. неосведомлённость). Чем меньше мы обладаем знанием в той области, где следует принять решение, тем больше имеется неопределённости при выборе решений, и наоборот, чем больше мы знаем, тем меньше неопределённость и нам легче (проще) сделать выбор в пользу того илииного решения.
Вторая причина неопределённости [5, с.27] — это случай-
ность( случайностью называют то, что в сходных (похожих) условиях происходит неодинаково, причём заранее нельзя предсказать, что и как будет на этот раз). Как бы мы ни старались больше знать в той области, где следует принять решение, всё равно может иметь место случай и может произойти всё не так, как это виделось при выработке решения.
16
Специалисты используют четыре различных подхода кпонятию случайности, опирающиеся нахарактерные свойства случайных последовательностей:
1)частотоустойчивость;
2)хаотичность;
3)типичность;
4)непредсказуемость.
Для рассмотрения случайности учёными применяются важнейшие втеории алгоритмов понятия, такие как вычислимость, перечислимость, энтропия и колмогоровская сложность. В настоящее время классическая теория вероятностей не может объяснить, что такое случайность. Опираясь на эти четыре различных подхода кпонятию случайности, исследователи попытаются выяснить и [39]: “определить, можно ли, например, индивидуальную последовательность нулей и единиц считать случайной илинет”. Подробнеео случайности см.работы [39, 40, 41, 50] и др.
Третья причина неопределённости [5, с.28] — это противодей-
ствие. Специалисты полагают, что неопределённость, неясность обстановки появляется не сама по себе (т.е. естественным путём), а насаждается искусственно (во вред нам). Имеется некто, кто намеренно мешает нашим планам. Такое противодействие есть причина
неопределённости.
Примерами возникновения этой неопределённости могут быть следующие: дезинформирование противника на войне; действие болезнетворных бактерий и вредителей в сельском хозяйстве; нарушители закона и правопорядка; противники в спортивных играх и т.п. Противодействие приводит к необходимости принимать решение в конфликтной ситуации (конфликты между заказчиком и исполнителем, грузоотправителем и грузополучателем, т.е. в случаях, когда интересыразличных сторон не совпадают) [5,с.28].
Неопределённость в принятии решений обусловлена недоста-
точной надежностью и количеством информации, необходимой ОПРдля выбора решения [1,с.8].
17
Известны следующие семь видов неопределённости [1, с.8] (часто встречающиеся):
1)принципиальная неопределённость (например, в известныхситуациях квантовой механики);
2)неопределённость, генерируемая общим числом объек-
тов или элементов, включённых в ситуацию (например, причисле элементов порядка большего, чем10 9);
3)неопределённость из-за недостатка информации и её достоверности в силу технических, социальных или иных причин;
4)неопределённость, порождённая слишком высокой или
НЕдоступной платойза определённость;
5)неопределённость, порождённая ОПР в силу НЕдостатка его опыта и знаний факторов, влияющих на принятие решений;
6)неопределённость, связанная с ограничениями в ситуации принятия решений (ограничения по времени и элементам пространства параметров, характеризующих факторыпринятия решения);
7)неопределённость, вызванная поведением среды или противника, влияющего на процесспринятия решения.
Специалисты выявили[ 1, с.9], что в процессе принятия решения имеют место ситуации, обладающие той или иной степенью неопределённости, для описания которых нужен соответствующий математический аппарат, чтобы получить необходимое решение.
Так сложилось [1, с.9], что исторически первым аппаратом была теория вероятностей (в ней неопределённость описывалась некоторой нормированной мерой, характеризующей возможность появ-
ления случайныхсобытий (исходов)).
18
Следующим аппаратом стали [1, с.9] теория игр( в которой неопределённость порождалась конфликтом и антогонистическими интересами игроков, связанными между собой правилами игры) и
теория статистических решений (в которой в качестве одного из игроков выбиралась пассивная среда или "ПРИРОДА", поведение которойхарактеризовалось заданными законами распределения вероятностей). Эти две теории можно считать крайними случаями неопределённости.
Ещё [1, с.9] один класс неопределённости охватывают методы
аппарата расплывчатых (размытых) множеств Л.Заде (этот ап-
парат позволяет описывать ситуации, которые не имеют строго определённыхграниц).
Проблема выбора решения в условиях неопределённости (см.
работу [2, с.29-42]). На практике в реальных задачах показатель эффективности W обычно зависит от трех групп факторов (см. ра-
боту [2,с.29-30]) U, d,ξ, или:
W=W(U, d,ξ),
гдеξ —неизвестные факторы.
Понятно, что поскольку показатель W зависит от ξ, то он не может быть вычислен (т.е. остается неопределённым), а сама задача поиска оптимального решениятеряет определённость.
Однако постановка задачи может быть всё-таки сделана следующимобразом [2,с.30]:
При заданных условиях U, с учётом неизвестных факторов ξ, найти такое решение d D, которое, по возможности, обеспечивает максимальное( минимальное) значение показателя эффективности W.
Присутствие этих самых неопределённых факторов ξ придает задаче новое качество: она стала задачей о выборе решения в условиях неопределённости [2,с.30].
19
Неопределённость 1 стохастическая( или хорошая)
На практике выделяют случай (см. работу [2, с.31-32]), когда неизвестные факторы ξ являются обычными объектами изучения в
теории вероятностей — случайными величинами (случайными функциями), статистические характеристики которых известны или в принципе могут быть получены. В ИО такая неопределённость называетсястохастической.
Имеютсянекоторыеспособы |
действия в этойнеопределённости [2, |
|
с.31-37]. |
|
|
Способ 1 (" оптимизация в среднем"). Полагают, что так как ξ —
это случайные величины, то и значения показателя эффективности W также случайные величины. Тогда идея состоит в том, чтобы в качестве показателя эффективности выбрать среднее значение (т.е. математическое ожидание) показателя эффективности W:
W = M [W ] — и выбрать такое решение d D, при котором этот
усредненный по условиям показатель обращается в максимум (или минимум):
W = M W (U, d,ξ) →max.
ВАЖНО ПОМНИТЬ [2, с.34-35]. Для оптимизации в среднем необходимо, чтобы операция обладала свойством повторяемости, и недостача показателя в одном случае компенсировалась его "избытком" в другом случае. Есть случаи, когда это не так, например, время ожидания врача отдельным больным не суммируется: слишком долгое ожидание одного из них не компенсируется почти мгновеннымобслуживанием другого.
Способ 2 ( стохастические ограничения). В основе лежит способ
1, но вводятся дополнительно стохастические ограничения, например, следующего вида: P( W≤Wздн)≥β, где вероятность β назначается близкой к 1 (т.е. практически достоверное событие), а Wздн — это заданное значение показателя эффективности. Тогда это стохастическое ограничение означает следующее: вероятность P( W≤Wздн) того, что значение показателя эффективности W будет
20